数据分解技术与若干智能算法优化的高斯过程回归总氮预测

总氮(TN)是反映水体污染程度和衡量湖库营养化状态的重要指标之一。为提高TN预测精度,基于经验小波变换(EWT)、小波包变换(WPT)分解技术,分别提出鱼鹰优化算法(OOA)、雾凇优化算法(ROA)、秃鹰搜索(BES)算法、黑寡妇优化算法(BWOA)优化的高斯过程回归(GPR)预测模型。首先分别利用EWT、WPT将TN时间序列分解为若干更具规律的子序列分量;然后简要介绍OOA、ROA、BES、BWOA算法原理,利用OOA、ROA、BES、BWOA优化GPR超参数;最后利用优化获得的最佳超参数建立EWT-OOA-GPR、EWT-ROA-GPR、EWT-BES-GPR、EWT-BWOA-GPR、WPT-OOA-GPR、WPT-ROA-GPR、WPT-BES-GPR、WPT-BWOA-GPR模型(简称EWT-OOA-GPR等8种模型)对TN各分量进行预测,重构后得到最终预测结果,并构建基于小波变换(WT)的WT-OOA-GPR、WT-ROA-GPR、WT-BES-GPR、WT-BWOA-GPR模型,基于支持向量机(SVM)的EWT-OOA-SVM等8种模型,未经优化的EWT-GPR、WPT-GPR模型和未经分解的OOA-GPR、ROA-GPR、BES-GPR、BWOA-GPR模型作对比分析,通过全国重要饮用水水源地暮底河水库2008—2022年月监测TN浓度时序数据对各模型进行验证。结果表明:①EWT-OOA-GPR等8种模型对TN预测的平均绝对百分比误差在0.161%~0.219%,决定系数均为0.9999,优于其他对比模型,具有更高的预测精度和更好的泛化能力;②EWT兼顾WT、EMD优势,WPT能同时分解低频、高频信号,二者均可将TN时序数据分解为更具规律的模态分量,显著提高模型预测精度,分解效果均优于WT方法;③OOA、ROA、BES、BWOA能有效优化GPR超参数,提高GPR预测性能。

“哈日苏勒德”考辨

本文对今天成吉思汗陵园传承下来的"哈日苏勒德"的来源、性质、演变进行了探讨与考辨。根据对《元史·舆服志》的有关记载分析,认为"哈日苏勒德"应该源自于元王朝时期国家仪仗中的"皂纛",其原型应是忽必烈在开平所建立的旗纛,它的形制保留了蒙元时代"秃黑"即旄纛的原貌。从"皂纛"到"哈日苏勒德",经历了由元王朝第一仪仗到蒙古民族"总神祇"之一的演变过程。